- 原创性问题
重在问题的意义:动机。需要问题的良好定义:输入、输出、优化目标。
用户行为模拟? - 原创性方法
核心技术,在机器学习里面很多时候只是一个优化目标。不需要多,但确实效果要好。
典型例子:卷积核(非常厉害),U-net, 不同的激活函数,drop out,direct connect - 增量式核心方法
在别人的优化目标上增加了正则项,缓解过拟合。 - 框架创新
每个具体技术都有,但搞了个框架进行集成。
典型例子:新的网络结构,进行了调参(层数、节点数)但效果确实好且有较好的适应性。 - 应用创新
把已有的网络框架应用到一个新的数据。如果不能为这类数据进行调整,就很难说是创新。
为了突出论文的创新,自己写的式子、算法都需要重点描述,相关工作的式子,尽量少列一些。